Modelo de aprendizaje automático interpretable para predecir el oocito MII recuperado después de la estimulación...

Área de la Ciencia:

• Endocrinología reproductiva y infertilidad
• Inteligencia artificial en la medicina
• Ciencia de datos en el cuidado de la salud

Sus antecedentes:

• La predicción del rendimiento de ovocitos maduros es crucial para optimizar los resultados de la fertilización in vitro (FIV) y la inyección intracitoplasmática de esperma (ICSI).
• La predicción precisa puede personalizar los protocolos de tratamiento y mejorar el asesoramiento al paciente.
• Los métodos existentes para la predicción a menudo carecen de precisión y generalización.

Objetivo del estudio:

• Evaluar la eficacia de los modelos de aprendizaje automático para predecir el número de ovocitos maduros recuperados después de la estimulación ovárica controlada.
• Identificar los factores predictivos clave que influyen en el rendimiento de ovocitos en pacientes sometidos a tecnologías de reproducción asistida.
• Desarrollar una herramienta clínicamente aplicable para la predicción individualizada del rendimiento de ovocitos.

Principales métodos:

• Análisis retrospectivo de 24 976 ciclos de pacientes con infertilidad (2018-2022).
• Selección de características mediante análisis de correlación, regresión LASSO y bosque aleatorio.
• Desarrollo y evaluación de ocho modelos de aprendizaje automático utilizando RMSE, MAE y R-squared.
• Validación clínica con un conjunto de datos independiente y interpretación utilizando los valores SHAP.

Principales resultados:

• Se identificaron seis factores predictivos clave: el recuento de folículos antral, los niveles basales de hormonas (FSH, estradiol), el estradiol del día de activación, el número de folículos grandes y la edad del paciente.
• El modelo de perceptrón multicapa demostró la mayor precisión (R al cuadrado = 0,714) en la validación clínica.
• Los niveles de estradiol y el número de folículos grandes en el día de activación fueron los predictores más fuertes.

Conclusiones:

• Se desarrolló con éxito un modelo de aprendizaje automático para predecir con precisión el rendimiento de los ovocitos maduros.
• El modelo proporciona una herramienta valiosa para la planificación personalizada del tratamiento de la fertilidad.
• Una calculadora web fácil de usar mejora la usabilidad clínica y apoya la toma de decisiones informadas.